中国大中型工业企业研发效率研究——基于行业间RD溢出的视角

夏良科

（宁波大学 商学院，浙江 宁波 315211）

一、引 言

改革开放以来，中国经济以年均9%以上的速度增长，经济实力显著增强；同时，一些发展中的问题也凸显出来。中国经济“粗放式”发展特征依旧明显：宏观层面上，增长主要由投资驱动，并由此引发了经济中的一系列不平衡；微观层面上，许多公司财务业绩差，效率低，缺乏技术革新（郑京海等，2008）［1］。“中国制造”依旧处于产业链低端，附加值不高；企业技术创新能力较低，竞争力不强依旧饱受诟病。当前，人民币升值、国内生产资料价格上涨等因素大大削弱了中国企业的国际竞争力，如何增强企业竞争力，提升整个经济运行的效率，保持经济持续健康发展是当前中国面临的一个迫切难题。

事实上，中国自20 世纪90年代提出“科教兴国”战略以来，RD投入和人力资本积累都有了长足的增长。中国科技部的数据显示：RD 投入和人力资本积累均有大幅进步，2010年我国RD 总经费为1043.2 亿美元，规模仅次于美国和日本成为全球RD 总经费第三大国；我国RD 人员总量占世界总量的23.6%，2008 之后连续位居世界第一。经验研究表明，全要素生产率的增长可以解释中国1978-1995年间经济增长的30%～58%；而1992-2004年间只能解释经济增长的27%，远小于对日本和德国的类似估计值（分别是50%和58%）（World Bank，1997［2］；吴延瑞，2008［3］）。那么，为什么中国全要素生产率水平依旧不高，经济增长中全要素生产率的贡献反而有所下降呢？RD和人力资本影响生产率的机制是什么，中国研发投入的效率究竟如何？

当前大量的文献从国家、地区或产业等多个视角分析研发投入与生产率提高的关系，但是，对该问题的研究不仅存在结论上的分歧；更重要的是，缺乏对于RD和人力资本积累影响生产率机制的研究。首先，大部分实证研究都支持RD 投资是TFP 增长的决定因素（Congress of the U.S.，2005）［4］；但是，有的对于发展中经济体的研究则认为RD对TFP的作用不显著甚至为负（Nadiri and Kim，1996）［5］。其次，忽视了RD溢出效应影响TFP变化的作用机制。韩颖等（2010）基于我国历年投入产出表对7个产业的研究发现各产业的溢出效应在不断的变小，各产业的溢出效应在不断发生变化，决定于产业的特性［6］。尤建新等（2011）区分了政府和企业RD投入的溢出效应，并认为政府资助R＆D 溢出效应对创新产出的影响显著为正；但是产业间企业R＆D 投入溢出效应表现为弱的技术负外部性［7］。第三，既有研究更多关注人力资本在增强技术开发能力和吸收、应用现有技术方面对于TFP的影响，很少研究人力资本在提升RD效率方面的作用，而研究人力资本影响RD溢出效应的文献则更少。

二、模型设置和分析方法

（一）模型设置

假设行业i 在时期t 的总产出Yit由技术进步函数Ait（·）和生产函数Fit（·）组成。技术进步Ait（·）由人力资本积累（Hit）、RD 投入（Rit）和RD 溢出（SRit）所决定；生产函数由资本（Kit）、劳动（Lit）以及中间投入（Mit）决定。进一步假设两个函数均为柯布-道格拉斯函数形式：

其中，Xit，n表示投入变量，n=1，2，3 分别对应资本K，劳动L和中间品M三种要素。定义TFP为：

对（2）式两边取自然对数：

我们将RD溢出变量SRit分为前、后两个方向，其中前向RD溢出（SRU）衡量上游企业RD变化通过向下游企业提供中间品而对下游企业技术进步的影响；后向RD 溢出（SRD）则衡量下游企业RD 增加对于上游中间品供应企业TFP的影响。此外，人力资本积累不仅影响行业自身RD的效率，同时还可能提升行业的吸收能力，间接增强行业间的RD 溢出效应。为此，将人力资本与RD 投资以及RD 溢出效应的交互作用纳入统一的分析框架，最终的估计模型为：

β1、 β2 、 β3 、 β4 和β5 分别表示相应变量的TFP 弹性；αi和λt和分别表示行业和时间效应，εit～IID（0，Ω）是随机扰动项。Xp是人力资本积累和RD、RD 溢出的交互项，包括为避免多重共线性，在回归方程中每次只加入一个交互项。

（二） Malmquist生产率指数

本文采用基于数据包络分析（DEA）方法的曼奎斯特（Malmquist） 生产率指数对TFP 进行测算和分解。基本思想是，基于各个有效单元数据，利用线性规划技术构造出一个前沿生产面。在投入不变的情况下，各个单元的实际产出与前沿生产面之间的距离的大小即表示各单元生产效率的高低。具体地，在规模报酬不变，要素强可处置条件下，基于投入的技术前沿定义为：

z 表示每一个横截面观察值的权重，可以将每一个观测单元基于投入的Farrell技术效率表示为：

这个两个指数分别测度了从时期t 到t+1 技术效率变化的Malmquist生产率指数。生产率的变化可以表示为：

式（8）中，Malmquist 指数分解成为了效率变化指数（EC）和技术进步指数（TC）。其中，Mi、EC和TC大于、等于、小于1 分别表示TFP、技术效率和技术进步改善、没有变化和退化。

三、数据处理与统计描述

（一） 数据处理

考虑到数据的可获得性，本文分析基于中国大中型工业企业数据；所有原始数据均来自历年《中国统计年鉴》和《中国科技统计年鉴》。

1.Malmquist指数及分解

假定单一产出（实际工业总产值）的生产来自三种投入：资本（实际固定资产存量）、劳动（年末从业人员总数）以及中间投入（实际工业总产值和实际工业增加值之差）。实际工业总产值和实际工业增加值分别用各年各行业的工业品出厂价格指数（1999=1）对名义值进行平减；为计算实际固定资产存量，我们首先参照李小平、朱钟棣（2005）［8］建议的方法，得出各行业历年的固定资产价格指数，然后利用永续盘存法获得各行业实际的固定资产存量：

2.RD存量

为综合考察RD的效率，本文将各行业历年新产品开发经费、技术改造经费、技术引进经费、消化吸收经费和购买国内技术经费等五项之和作为行业RD总量，并且利用上面得到的固定资产投资价格指数平减得到实际RD变量，参照Young （1995）［9］的方法，利用分析区间之前5年投资的年均增长率代表整个投资的增长，则RD投资存量为：

其中，η 是折旧率，参考现有的研究，并考虑到中国作为发展中国家的现实，这里取10%；gj表示行业j在1996-2000年五年间RD投资的平均增长率；是经过平减的1996年RD的投资额；表示行业j第t0年RD投资存量；和则分别表示行业j第t年的RD存量和RD流量。

3.两类RD溢出

其中，j代表向行业i提供中间品的上游行业；Ωji 表示行业j的产品作为中间投入在行业i所购买的所有中间投入中所占的比重，由最新的2007年中国投入-产出表计算得出；Rjt是行业j第t年的RD存量。按照投入产出表的分类，本文将《中国统计年鉴》中大中型工业企业涵盖的39个子行业合并为21个。

其中，Ωik为行业i的产品作为行业k的中间产品在行业k 的所有中间投入中的比重，Rkt是行业k 第t年的RD 存量。式（13）的经济学含义很明显，即下游产业的研发投入越强，和（或）上下游产业关联越紧密，则下游产业的RD对上游产业的溢出效应越强。

4.人力资本积累

现有类似研究中，国外学者通常使用员工平均的受教育年限来表示人力资本积累的程度，年限越多，则认为人力资本积累也越多。然而，在行业层面上，我们无法获得中国各个行业员工准确的受教育年限数据。为此，我们转而利用行业中科技活动人员的占比来代替，这一比重越高，则人力资本积累越多。

（二）Malmquist生产率指数及其分解

图1 显示，2000-2010年全国大中型工业企业全要素生产率年均增长0.4个百分点；其中技术进步年均提高4个百分点，技术效率则每年下降了近3.4%。

图1 M almquist指数及技术进步和技术效率年均变化

这个结果证实了之前很多研究对中国工业企业全要素生产率的提高主要有赖于技术进步，而技术效率的贡献很小，甚至为负的判断。同样借助非参数方法，国内学者李小平、朱钟棣（2006）［10］发现1999-2003年中国工业行业TFP年均增长10%，其中技术效率年均下降5%，技术进步则年均增长了18%。涂正革、肖耿（2006）［11］对1996-2002年中国大中型工业企业的研究也得到了类似的结论，即虽然TFP年均提升15.9%，但主要源于技术进步的贡献，技术效率反而下降了4%。

图1还表明技术进步加速和技术效率的恶化均始于2002年。原因之一，由于中国改革开放的进一步深入，尤其是中国加入WTO之后，本土企业面临国内、外市场更大的竞争。为了在竞争中占领先机，企业更多地倾向于技术超越，表现在重金购买先进技术的费用迅速增加；而对现有技术的改进和吸收重视不够，经费投入不足；另一方面，行业“领先企业”技术越先进，行业内企业之间的技术差距就越大，则整个工业行业技术效率越低。近年来受全球经济下滑的影响，生产效率持续下降，进一步导致整体全要素生产率逐渐下降。

四、模型结果分析

为提高面板数据模型分析的准确性，本文同时考虑了截面和时间两个方向的固定效应和随机效应，将基础模型设为截面方向为随机效应，时间方向为固定效应，利用多余固定效应似然比检验（LR）和Hausman 检验来确定。如果Huasman 检验显著拒绝了原假设则表明截面方面为固定效用模型；而如果LR 检验显著，则表明时间方向适用固定效应模型。另外，我们还利用Levin，Lin，Chu检验和Fisher–PP检验对回归残差进行面板单位根检验，以检验是否存在虚假回归的情况。

表1结果是以Malmquist生产率指数作为被解释变量，经过回归分析得到。首先，四个模型中LLC和PP-Fisher检验均显著拒绝了原假设，表明模型设置合理，不存在虚假回归；而Hausman 检验与LR 统计量的显著性表明，截面方向为随机效应；时间方向为固定效应。

从结果来看，4个模型中自身RD存量的系数均显著为正，而后向RD 溢出的系数则显著为负，前向RD 溢出效应不显著。这表明中国大中型工业企业TFP的提高主要有赖于自身RD 的投入，后向RD 溢出反而抑制了行业TFP 增长。模型（1）的结果显示，自身RD 的TFP 弹性为0.12，这要高于Jungsoo Park （2005）［12］对OECD 国家和3个东亚国家的研究结果（4.7%～5.7%），也高于M. o’ Mahony et al（2009）［13］对美国、英国、日本、法国和德国等5个发达国家的结论（3.6%）。模型2 的结果表明，RD 对TFP 增长的作用主要来自人力资本与RD的交互作用，如果控制了人力资本对RD 的作用，自身RD 的TFP 弹性只有0.02。人力资本显著提高了自身RD投资的效率，但是，在提高行业的吸收能力，促进行业间溢出效应的作用却不明显，模型中表现为其与前向和后向RD溢出的交互作用系数均不显著。同时，虽然在基础模型中人力资本的系数不显著；但是，在控制了人力资本和行业自身RD的交互作用后，人力资本对于TFP增长的作用显著为负。

此外，模型3

显示，在控制了人力资本和后向RD溢出的交互作用之后，后向RD溢出效应对于TFP增长的作用虽然为负，但已经没有显著性。

表2以效率变化指数EC作为被解释变量，对模型的检验发现模型1、3 截面和时间方向皆为固定效应模型；而模型2、4截面方向适于固定效应模型，时间方向则应利用随机效应模型；面板单位根检验的结果表明不存在虚假回归。

表2显示，促进效率变化的因素与促进TFP提高的因素不同，行业自身RD投入明显地抑制了技术效率的改进；来自下游行业RD 的溢出效应对于技术效率的提升具有重要作用。同时，模型2和3的结果都显示，在控制了人力资本与行业自身RD或者与后向RD溢出的交互项后，人力资本对于TFP的作用也显著为负。这表明，人力资本更多的是通过提升RD的效率或是对RD溢出的吸收能力来提升行业的技术效率；但是，人力资本自身对于技术效率反而具有抑制作用。这表明，技术研发实力越强的企业，也即RD投入与人力资本积累越多，更多的关注于技术超越，倾向于开发、引进新、尖技术，而对于当前技术的改进和吸收重视不足。

表2 RD溢出对效率提升的影响：被解释变量ln（EC）（2000-2010年）

在控制了与人力资本的交互作用之后，后向RD溢出的TFP弹性为-0.49。可能的解释是上游企业更多追求创新性技术（表现为技术进步提高和技术效率下降），导致对于中间投入的标准提高；上游企业技术越先进，下游企业与所需标准的差距越大。如果下游企业满足不了要求，上游企业就会寻求其他途径，比如进口来获得中间投入，从而使下游企业TFP 下降。相反，前向RD 溢出效应有助于技术效率的提高，原因是下游中间投入品由上游企业确定，下游企业效率的提高并不一定要求上游企业技术边界上移，更多的只是促使其提高投入品的使用效率。

表3是以技术进步TC为被解释变量得到的结果。从中可以看出，除了模型4，其余3个模型的LR 统计量和Hausman检验均拒绝了原假设，故截面和时间方向均为固定效应模型更为适合；模型4 则应该采用截面方向为随机效应，时间方向为固定效应的模型；面板单位根检验的结果表明不存在虚假回归，回归结果是可信的。

表3 RD溢出对技术进步的影响：被解释变量ln（TC）（2000-2010年）

结果显示，自身RD投入，尤其是人力资本积累是促进行业技术进步最重要的因素，而前向和后向RD溢出效应均不利于技术进步。同时，交互项的系数表明人力资本积累对于本行业RD 的效率作用不明显，却显著地阻碍了行业间RD的溢出，不论这种溢出来自上游还是下游产业。由于我们定义的RD是技术引进、购买和吸收以及开发新产品等费用之和，而Malmquist 指数的分解中技术进步指数（TC）在图形上表现为前沿生产函数在时期t到t+1之间的移动，其经济含义是保持生产要素投入数量和结构不变，仅仅因技术改进导致产出增加。与技术效率下降的原因相反，研发实力越强的企业越倾向于技术超越，即引进或开发新、尖技术，这就表现为技术前沿上移，即技术进步。我们注意到，近年来大部分行业开发新产品经费的比重逐渐增加，比如通讯设备、仪器仪表等行业2007年用于开发新产品的经费占当年RD总投入的60%以上；开发新产品、新技术力度加大以及人力资本积累的提升产生更多的新技术和新工艺，从而使技术进步显著提高。

五、主要结论及政策涵义

本文利用面板数据模型分析了1999-2010年中国大中型工业企业的21行业中研发投入对TFP的影响，从多个方面深化了对RD、人力资本与TFP增长关系的认识：

首先，本文证实RD投入是中国工业TFP增长的决定因素。RD显著地促进了技术进步，但同时也是导致中国大中型工业企业技术效率持续恶化的重要原因。其次，行业间的RD 溢出对于全要素生产率具有重要影响，后向RD 溢出不利于TFP 增长，而前向RD 溢出是提升技术效率重要因素；但是，前向和后向的RD 溢出均不利于技术进步。第三，本文没有发现人力资本积累作为TFP 增长引擎的证据；相反，我们发现，如果控制了RD投资与人力资本变量的交互作用，人力资本积累增加甚至抑制了TFP提升，其中的重要原因在于人力资本积累虽然显著地促进了技术进步（TC），同时却不利于技术效率的提升。第四，人力资本具有“同化器”的作用。人力资本不仅促进自身RD 投资对于TFP增长和技术效率提升的贡献，同时还有助于后向RD溢出对于技术效率提高的作用；但是，却抑制了前向和后向RD溢出促进技术进步。

本文还揭示出制约我国RD效率提升的另一重要原因是当前中国大中型工业企业中存在的“赶超”思想：为了在市场竞争中占得先机，企业更多地倾向于技术超越，购买和开发新、尖技术，以期迅速达到行业领先地位；但是，对已有技术的消化、吸收却没有充分重视，普遍投入不足。实际上，不仅是大中型工业企业，郑京海等（2005）［14］对中国省级层面的研究，周立群、夏良科（2010）对天津滨海新区各工业行业的研究都得到了类似的结论［15］。本文的结果显示，RD投入和人力资本积累越多，技术进步越大；同时技术效率下降也越多。造成这种状况的原因一方面是由于随着中国全球化的逐渐深化，国内企业面临的竞争日趋剧烈，导致企业期望通过加大技术投入取得行业领先地位；此外，当前政策对于开发新产品，申请专利等比较重视，给予资金支持或政策优惠。但是，企业加强对自身技术的吸收却很难度量，很难获得政府实质性的支持，这也是导致企业倾向技术开发创新的因素。

［1］郑京海，胡鞍钢，Arne Bigsten.中国的经济增长能否持续？——一个生产率视角［J］.经济学（季刊），2008，7（3）：777-808.

［2］World Bank. China 2020：Development Challenges in the New Century［R］.Washington D C：The World Bank，1997.

［3］吴延瑞.产率对中国经济增长的贡献：新的估计［J］.经济学（季刊），2008，7（3）：827-842.

［4］Congress of the U.S. RD and Productivity Growth［R］. Congressional Budget Office，Background Paper，2005.

［5］Nadiri，Kim. RD，Production Structure and Productivity Growth：A Comparison of the US，Japanese，and Korean Manufacturing Sectors［R］.NBER Working Paper 5506，1996.

［6］韩颖.我国7个产业的产业间RD溢出效应纵向比较分析［J］.科学学研究，2010（4）：542-548.

［7］尤建新，陈震，邵鲁宁.产业间RD溢出对创新产出的动态效应研究——基于上海市大中型工业企业的实证研究［J］.科学学与科学技术管理，2011（4）：53-57.

［8］李小平，朱钟棣.中国工业行业全要素生产率的测算——基于工业行业的面板数据分析［J］.管理世界，2005（4）：56-64.

［9］Young A. The tyranny of numbers：Confronting the statistical realities of the East Asian growth［J］. Quarterly Journal of Economics，1995，110（3）：41-80.

［10］李小平，朱钟棣.国际贸易、RD 溢出和生产率增长［J］.经济研究，2006（2）：31-43.

［11］涂正革，肖耿.中国工业增长模式的转变——大中型企业劳动生产率的非参数生产前沿动态分析［J］.管理世界，2006（10）：57-67.

［12］Jungsoo Park. International and intersectional RD spillovers in the OECD and East Economies［J］.Economic Inquiry，2004，42（4）：39-57.

［13］Mary O’Mahony，Michela Vecchi. RD，knowledge spillovers and company productivity performance［J］. Research Policy，2009，38（1）：35-44.

［14］郑京海，胡鞍钢.中国改革时期省际生产率增长变化的实证分析（1979—2001）［J］.经济学（季刊），2005（2）：263-96.

［15］周立群，夏良科.天津滨海新区的技术进步、效率提升与全要素生产率增长——基于Malmquist指数的测度［J］.科学学与科学技术管理，2010（11）：101-109.